論文・プレプリント

Wenwen Liu

本研究は、AI・クラウドサービスの拡大に伴い年間19%増加するデータセンターの炭素排出を高精度に推定する階層結合炭素排出推定モデル（HCCEEM）を提案。グラフニューラルネットワーク（GNN）と物理モデルを統合し、チップからデータキャンパスまでの4層のトレーサビリティチェーンを構築。14ヶ月の実データ検証で95.7%の推定精度を達成し、LLM訓練/推論時の高負荷シナリオで従来比30%以上の誤差低減を実現。階層的な貢献度定量化により、企業…

F. Lin, Chin-Chiu Lee, Te-Nien Chien

本研究は、機械学習を用いて台湾企業の環境開示データを分析し、高・低ESGパフォーマンス企業の開示特性を分類・比較する。CatBoostなどのアンサンブルモデルが従来手法を上回る性能を示し、炭素排出、エネルギー効率、廃棄物管理が主要な特徴であることが明らかになった。再生可能エネルギー変数の重要性が時間とともに増加していることも示され、環境開示の非線形・多次元的性質が確認された。

Said Zulfigarzada, Fatulla Alizade

本レビューは、気候中立都市の実現に向け、統合エネルギーシステムの強靱化におけるAIの役割を体系的に整理。需要予測、再生可能エネ発電予測、故障診断、サイバー防御など多岐にわたる応用を網羅し、物理モデルとのハイブリッド活用が有効と指摘。さらに、レア事象データ不足や解釈可能性といった課題を踏まえた研究ロードマップを提示している。

Roberto Spacey Martín, Nicola Ranger, T. Schimanski +1

本論文は、大規模言語モデル（LLM）を用いてS&P500企業のサステナビリティ報告書から適応とレジリエンス（A&R）関連情報を抽出・分析した。開示フレームワークを構築し、リスクや目標に関する情報が不足していることを実証した。投資家や規制当局が企業の気候変動適応力を評価する際の課題を明らかにした。

Stefano Dell’Atti, Matteo Foglia, Grazia Onorato

本論文は、欧州の大手上場企業における気候リスク開示の質と量が企業価値に与える影響を分析。発行体の気候リスク曝露指数（CRE）を構築し、移行リスク・物理的リスク・排出・汚染の4カテゴリーで評価。高いCREは低い市場評価と関連し、開示のトーンが重要であることを示唆。また、SFDRの導入により早期開示企業がより有利な評価を得ている。

Meng Yuan, Ma Zhong

本研究は、中国のA株上場石油化学企業15社の炭素情報開示品質を、DeepSeek-V3.2大規模言語モデルを用いて評価した。7つの一次指標、15の二次指標、33の三次指標からなる枠組みを構築し、開示文書を自動スコアリング。手動評価とのICCは0.974と高い信頼性を示した。平均スコアは34.02点（理論最大66点）で全体的に低水準だが、2022年から2024年にかけて29.34%上昇した。企業間格差も顕著で、Sinopecが最高52.6…

Ning Wang, Fengjuan Wang, Yitian Li +1

気候リスクが高炭素企業の組織的レジリエンスを低下させるメカニズムを、中国A株上場企業のパネルデータとテキストベースの気候リスク指標を用いて分析。資金調達制約と内部資本配分のミスアロケーションによる二重の金融ロックイン効果が明らかになった。内部資本市場は短期的なショック緩和と長期的な移行リスク増幅の二面性を持ち、慢性的気候リスクが最も深刻な影響を与える。

Yuchen Du, Daniel Jacome, Jianghao Wang

本研究は、地球基盤モデル（Prithvi）の微調整を多次元ラテン超方格サンプリング（LHS）で最適化し、小規模火災跡の高精度識別を達成。LHSは単純無作為抽出より優れ、100サンプルでピーク精度の94.5%を維持。炭素会計やデータ不足地域での災害モニタリングに貢献。

Murali Krishna Pasupuleti

本研究は、気候リスク評価、排出モニタリング、意思決定支援のための環境インテリジェンス基盤としてAIを位置づける。公的データに基づく優先順位付けモデルを提案し、主要排出国の緩和優先度をランク付けする。AIをガバナンスの補完として透明性のある形で活用する枠組みを示す。

Claudia Banciu, Adrian Florea

本レビューは、AIとIoTを統合したAIoTがスマートシティにおける気候変動管理にどのように貢献するかを検討している。文献分析の結果、廃棄物管理や大気質監視が主要応用分野であり、エッジインテリジェンスや連合学習などの進展が見られる一方、スケーラビリティやプライバシーなどの課題も明らかになった。研究活動は急速に成長しており、持続可能な都市エコシステムの実現に向けた有望な方向性を示している。

Zhanyi Li, Zhanhong Liu, Chengping Zhou +2

本論文は、キャンパスエネルギーシステムの持続可能性と災害レジリエンスを両立するAI駆動フレームワークを提案する。改良型マルチスケールゲーテッドテンションネットワーク（MS-GTAN+）による気象ハザード予測、マルチインテリジェンス最適化による経済性と炭素削減のバランス、PageRankアルゴリズムによる重要負荷特定を実現。教育用デジタルツインで理論と実践を橋渡しする。

Vahit Çalışır

2023年トルコ地震によるイスケンデルン湾の港湾活動混乱がCO2排出に与えた影響を、AISデータとグラフニューラルネットワーク（GNN）で分析。地震後、1回の入港あたりCO2排出量が35.9％増加し、約27,574トンの余剰排出を推定。GNNモデルは平時の排出パターンを高精度で予測する一方、混乱期には予測不能となることを示した。

Yuliang Hu, He Wang, Y. Duan +7

本レビューは、産業廃棄物を原料とする全固形廃棄物セメント質材料（ASW）を体系的に解析。フライアッシュやスラグ等の前駆体の活性化戦略とマルチソース廃棄物の相乗設計を論じ、機械学習を用いた最適配合と性能予測を評価。カーボンフットプリントや耐久性、ライフサイクル経済性も検討し、建設分野での大規模展開に向けた技術的・政策的課題を整理する。

By Marjan Ilbeigi, Mohamed Alnejem, Mozhgan Karimi +4

本研究は、ライフサイクル評価（LCA）、循環経済（CE）評価、多基準意思決定分析（MCDA）、人工ニューラルネットワーク（ANN）モデリングを統合した枠組みを提案し、イラン、オマーン、サウジアラビアの3つの歴史的建築物を対象にバイオベース改修戦略を評価した。循環最適化戦略が最も高い持続可能性性能を示し、50年間で最大720トンのCO2削減と80,000～95,000ドルのコスト削減を達成した。ANNモデルにより最適戦略の予測と感度分析が…

Zeeshan Tariq, A. Bahadori‐Jahromi, Shah Room +1

本研究は、産業副産物（フライアッシュ、高炉スラグ）を混入したコンクリートの圧縮・引張強度を予測するため、複数のアンサンブル機械学習モデルを構築し、SHAPによる解釈性を付与した。最適配合（GF4）は40%置換で優れた性能を示し、ライフサイクル評価により36%の炭素排出削減を確認した。XGBoostと勾配ブースティングモデルを粒子群最適化により調整し、高い予測精度を達成した。

Suhib O. A. Amro, S. Naimi, A. Ibrahim

本論文は、BIM（ビルディング・インフォメーション・モデリング）環境下の建設プロジェクト管理において、AIを用いてスケジューリング、リスク、サステナビリティを同時最適化する手法を提案する。サステナビリティを明示的な目的関数に組み込むことで、従来のコスト・工期最適化に環境負荷低減を加えた総合的な意思決定を実現する。

Sachin Venu Jaya, V. Swarnakar, A. Acquaye +2

本研究は、BIMとAIを統合したフレームワークを開発し、建設におけるバリューエンジニアリング（VE）を強化する。材料最適化と資源管理に焦点を当て、循環経済（CE）の実現を目指す。PRISMAに基づく文献レビューとDelft Ladderアプローチを用い、デジタル技術をVEに統合する実践的なフレームワークを提案する。

M. S. Deore, D. P. D. Nemade

本研究は、フライアッシュと高炉スラグを用いたジオポリマーコンクリート（GPC）の強度、耐久性、環境影響をAIモデリングで評価。従来のコンクリートと比較し、CO2排出量削減と経済性を示す。建設分野の脱炭素に貢献。

Arthur J. Sterling, Marcus P. Thorne, Julian T. Harrow

本研究は、建設資材選定におけるコストと環境影響のトレードオフを解決するため、ライフサイクル評価と多目的最適化を統合したフレームワークを提案。遺伝的アルゴリズムを用いて、中規模商業ビルを対象に、初期コストとライフサイクル環境負荷（体積炭素、運用エネルギー）を同時に最小化するパレート最適解を導出。持続可能な資材は初期費用が高い場合でも、最適化により経済的負担を抑えつつ環境負荷を大幅削減できることを示した。

M. Al-Jamal, Ayooub Alsarhan, Wafa' Q. Al-Jamal +4

本研究は、BIMとAI強化LCAを統合したデジタルツイン対応意思決定フレームワークを提案。機械学習サロゲートモデル（ランダムフォレスト、勾配ブースティング、ANN）を用いて繊維強化コンクリート外壁の性能とライフサイクル指標（CO2排出量、体積エネルギー、水使用量）を高精度（最大99.2%）で予測。最適化により体積炭素の削減とエネルギー効率の向上を同時達成する。